本文介绍了IEEE BigData 2023动态生物特征验证挑战的结果，参与者提出了多种神经网络结构，最佳团队在桌面和移动场景中的全局等错误率分别为3.33%和3.61%，超越了现有水平。研究还探讨了基于Transformer的模型及不同网络架构的效果，优化了训练过程，提升了模型性能，显示出在敲击身份验证领域的巨大潜力。

该论文提出了一种基于Transformer的网络模型，用于敲击身份验证。研究探索了两种不同的网络架构，并比较了它们在敲击身份验证中的效果。结果表明采用批量全三元组损失和余弦距离的双编码器架构取得了最佳性能，等错误率仅为0.0186%。